近年来，青少年近视防控已上升为国家战略，低浓度阿托品作为有效的药物干预手段，其疗效存在显著个体差异。如何精准预测阿托品治疗反应，成为眼科影像技术领域的研究热点。本文结合最新科研进展，探讨基于OCT与OCTA的影像组学联合人工智能在预测阿托品近视防控疗效中的应用。
## 阿托品疗效差异与影像标志物探索
0.01%阿托品被证实能有效延缓近视进展，但并非对所有儿童都有效，部分患者眼轴增长依然较快。传统评估方法主要依赖屈光度与眼轴长度，无法早期识别药物反应。近年来，OCT与OCTA技术为观察阿托品作用机制提供了窗口。研究表明，阿托品可增加脉络膜厚度，改善脉络膜血流。脉络膜厚度变化被认为是预测疗效的潜在指标，但单一参数预测能力有限。
## 影像组学提取高通量特征
影像组学可从医学图像中提取大量定量特征，包括形状、纹理、小波等，反映组织微观结构。在近视研究中，通过扫频OCT获取黄斑区高分辨率图像，利用影像组学提取脉络膜、视网膜各层特征，可揭示肉眼无法识别的细微变化。例如，纹理特征如灰度共生矩阵的熵、相关性等，可量化脉络膜血管分布模式，间接反映血流状态。
## AI模型融合多模态数据
深度学习模型如卷积神经网络（CNN）能够自动学习图像特征，与影像组学特征结合可提高预测性能。研究者构建基于OCT和OCTA的多模态模型，输入包括：
- 黄斑区脉络膜厚度图
- 脉络膜血管指数（CVI）
- 视网膜浅层及深层血管密度
- 影像组学特征集
模型输出为阿托品治疗6个月后眼轴长度变化量，从而将患者分为有效组和无效组。一项纳入200名近视儿童的研究显示，融合模型的AUC达到0.85，显著优于单一指标。
## 临床转化与挑战
该范式有望实现个体化治疗：对于预测无效的患者，可考虑联合角膜塑形镜或增加阿托品浓度。但目前仍存在挑战：
- 影像数据标准化：不同设备间的差异需通过图像配准和归一化解决。
- 模型可解释性：临床医生需要理解模型决策依据，可结合注意力机制或SHAP值展示重要特征区域。
- 多中心验证：需要更大样本和外部验证确保模型泛化性。
## 展望
影像组学与AI的结合为阿托品疗效预测提供了新思路。未来，随着OCT技术进一步发展（如扫频源OCT、可见光OCT），以及多组学数据整合，有望构建更精准的近视防控决策支持系统，推动近视管理进入精准医学时代。